尊敬的各位领导，各位来宾：大家，下午好！欢迎大家来到2026证券市场年会行业分会数字经济大会的现场。我是证券日报的主持人朱君。

2026年是“十五五”的开局之年，也是深入贯彻落实党的二十届三中全会精神的关键之年。今年的《政府工作报告》提出，要“因地制宜发展新质生产力”，“开展‘人工智能+’行动”，以科技创新引领产业创新，推动数字经济与实体经济深度融合。

一直以来，《证券日报》社聚焦数字经济发展。前四届数字经济大会，我们搭建平台，从企业数字化转型入手，充分交流经验，持续分享成果。

站在“十五五”新起点，本届大会将以“智变”为主线，聚焦人工智能如何从技术工具蜕变为增长引擎，如何重构企业竞争范式与产业生态。

接下来请允许我为大家介绍一下今天出席大会的领导和嘉宾，由于时间关系，待全部介绍完之后，请大家一并鼓掌欢迎。

他们是：

经济日报社副总编辑、机关党委书记、第十四届全国政协委员吴向东

中国上市公司协会党委委员、秘书长 郭军旺

华为金融系统部副部长 田瑞

中国信息通信研究院总工程师 何宝宏

中关村泛联院首席科学家、中国移动集团级首席专家 刘光毅

图灵智能研究院院长、北京智源人工智能研究院创始副院长 刘江

华为金融系统部证券业务总经理 李静

工商银行北京分行科技金融中心总经理 田海鹏

还有来自主办方的：证券日报社社长 陈剑夫

证券日报社副社长 姜帆

以及百忙中到场的专家学者、企业代表、机构嘉宾、媒体朋友，欢迎你们。

首先我们有请经济日报社副总编辑、机关党委书记、第十四届全国政协委员吴向东致辞。

尊敬的各位专家学者、各位企业家朋友、各位来宾：

大家好！

五月的北京，万物并秀，生机勃发。很高兴与各位新老朋友相聚在“2026数字经济大会”，共话人工智能与数字经济发展的前沿趋势，共谋产业升级与资本赋能的融合之道。我谨代表会议举办方，对各位领导、各位嘉宾的到来表示热烈的欢迎和诚挚的感谢！

当前，全球新一轮科技革命和产业变革风起云涌，数字经济已成为高质量发展的核心引擎，人工智能更是激活数字价值、催生新质生产力的关键变量。

2026年是“十五五”规划的开局之年，也是我国全面推进中国式现代化的关键之年。“十五五”规划纲要围绕“深入推进数字中国建设，提升数智化发展水平”作了专门部署。今年的《政府工作报告》首次提出“打造智能经济新形态”；提出深化拓展“人工智能+”，促进新一代智能终端和智能体加快推广，推动重点行业领域人工智能商业化规模化应用，培育智能原生新业态新模式。

这一系列重大战略部署，为数字经济高质量发展锚定了清晰的航向，也为我们今天的大会注入了深厚的时代底色。

我们正见证着一场深刻的生产力革命。人工智能已不再是PPT里的概念、实验室里的演示，而是实实在在地融入研发设计、生产制造、运营管理、消费服务的每一个环节，成为驱动经济社会发展的“关键变量”与“强劲增量”。

2025年，我国人工智能核心产业规模超过1.2万亿元，相关企业数量超过6200家，形成覆盖基础底座、模型框架、行业应用的完整产业体系。

同时，人工智能正加速从“能思考”走向“能实干”，在智能制造、智慧医疗、智能交通、智慧金融等领域，AI技术与实体经济深度融合的深度与广度前所未有。

资本市场对人工智能产业的估值逻辑，正从技术创新预期加速转向产业化落地能力。2025年以来，多家大模型独角兽以及知名国产GPU厂商接连上市，AI企业正迎来资本化的重要窗口期。

国家级耐心资本持续壮大，国家人工智能产业投资基金2025年初设立，规模达600.6亿元；总规模达千亿元、预计撬动万亿资金的国家创业投资引导基金也已正式启动，用长期资本陪伴科技创新“长跑”。

同时，我们也必须看到，人工智能赋能千行百业并非一蹴而就。技术快速演进的同时，安全边界、数据治理、标准体系、商业闭环等问题也在同步显现。越是在“AI+产业”深度融合的阶段，越需要产业界、科技界、投资界和媒体界加强交流，形成更多理性判断，凝聚更多建设性共识。这也是我们举办这次大会的初衷。

本次大会的主题是“智变：人工智能重构增长新范式”，我们荣幸地邀请到来自政产学研各界的顶尖专家与行业领袖，将深入探讨AI技术如何从技术工具蜕变为驱动发展的核心引擎，剖析企业竞争范式与产业生态的重构路径，探寻“人工智能+”行动在“十五五”新程中的落地方向与实践机遇。

作为《经济日报》社主管主办的财经证券专业媒体和证券市场信息披露媒体，《证券日报》始终关注数字经济浪潮下的产业变革与资本脉动，并见证了“人工智能+”行动如何从战略部署转化为产业实践。

在“十五五”开局之年，让我们携手智变、同启新程，以开放的心态拥抱技术变革，以务实的行动推动产业升级，共同把握数字经济时代的历史机遇，为全面推进中国式现代化贡献智慧与力量！

最后，预祝本次大会取得圆满成功！祝各位来宾身体健康、事业兴旺！

谢谢大家！

谢谢田部长。田部长刚才从技术、算力、产业和生态四个方面，为我们做了非常详细的阐释。

中国信息通信研究院是国家高端智库和产业创新平台，始终站在技术前沿，为我国数字产业高质量发展提供了核心支撑。下面进入本场论坛的主题演讲环节，有请中国信息通信研究院总工程师何宝宏发表主题演讲，主题为AI发展新观察。

尊敬的各位领导、各位专家，大家好！很高兴有机会再次来到数字经济论坛，分享我和团队关于人工智能发展的最新观察、理解与思考。内容不一定完全准确，供大家批评指正。

第一，今年的《政府工作报告》首次提出“打造智能经济新形态”，这标志着数字经济发展进入了新阶段。过去我们强调数字化、网络化，现在更突出AI赋能千行百业，产业发展进入智能化高级阶段。从技术角度看，基础大模型在过去一年，无论是语言模型还是多模态模型，都取得了长足进步，但呈现出新特点：语言大模型过去几年能力年均提升约35%，但增长逻辑出现转折——不再单纯依靠“模型越大、效果越好”，而是通过模型扩展、外挂工具等方式，技术路线发生了微妙变化。多模态模型的进步更为显著，过去一年能力提升50%以上，产业创新重心正从语言模型加速转向多模态，各类技术瓶颈不断被突破。

第二，开源模型能力已接近闭源，差距持续缩小。开源赛道呈现收敛趋势，历史上开源模型数量曾超200个，如今下载量、使用量及衍生模型高度集中于头部。TOP5开源模型下载量占比超过83%，可以看到，Meta与DeepSeek明显占据了榜单前面，开源模型也在走向收敛。

第三，世界模型成为新探索方向。仅有语言模型和多模态还不够，智能需要与物理世界交互，物理仿真、现实建模能力仍显不足。学术界正积极探索构建世界模型，最简单路径是语言大模型与物理世界融合。目前世界模型研究尚处初期，方向明确，但技术路线仍存较大分歧。一旦世界模型成熟，元宇宙也将迎来真正落地。再往上走是数据，数据是一个重大的挑战。过去一段时间，模型的能力不能仅依靠模型越大来支撑，今天的数据预训练撞上了墙，难以找到新的数据来提升它，数据成了制约模型能力提升的一个核心性的因素。如果是数据部门，或者做大数据要素，你会说数据太多了，体量大，类型多。如果做大模型，反过来就会说数据太少了，质量也不高，互相甩锅，这是一个正常的现象，不是数据不够，是模型不好。

为了解决今天的公共互联网上的公用数据基本消耗殆尽的问题，如何挖掘更多的数据价值，第一个是私域数据，针对特定行业和特定行业的私域数据的开发利用，尤其是模型的微调和训练也是远远不够的，从公域走向私域。

第二是合成数据，人类产生的数据基本上消耗殆尽，生产数据远远会落后模型消耗数据的速度，能不能用各种传统的算法，用AI的算法合成数据回去再训练数据，答案是可以的。

第三，不断提升数据的质量，通过数据工程等方法，无论是什么数据，需要进一步提炼加工。之所以数据用不好，一个重要的原因是数据本身在质量、即时、完整性、标准化等方面存在很多的问题，我们通过更先进的数据工程来不断提升已有数据的质量，更好服务好AI。

算力在过去一年的时间里，热点层出不穷。第一个是推理算力，从预训练类的算力转向实际使用的推理算力，推理算力的比例将来肯定会超过训练算力。第二，算力在国内尤其是小散乱，需要把算力一体化集中起来，更好的互联互通，发挥闲置资源的匹配作用，正在构建全国算力一张网。第三个是超节点，我们需要单节点能力持续不断的提升。随着算力越来越大，算电要协同，人工智能对电的消耗越来越大。

Agent的技术框架已经初步确定。Agent的开源领域今年发展得非常快，从去年开始技术发展非常快，发现有技巧，效果会更好，把话术整理多了，就是一个说明书，发现人整理的说明书，得面向机器，让机器更准确理解说明书，就有了技术。

还有驾驭工程，模型给出的结果是概率性，有可能会出错，这个时候当概念性出现错误的时候，如何控制模型，让它沿着正确的轨迹去前行，这个在IT历史上从来没有遇到过一个新的情况、新的问题。所有智能都有可能出现“发疯”的情况，风险一定要在可控范围之内，从计算机时代的软件工程到互联网时代的分布式工程，到今年需要一些驾驭工程，每个时代要把它的不确定性变得更加确定。

具身智能目前已经取得了长足的发展，但是大部分的产品还是在特定场景。目前具身智能的领先场景也是在特定场景，但已经可以自主执行了，这是一个飞跃。未来具身智能的发展目标是希望能够泛化，适用于更多的场景，要自主执行，不再是遥控。具身智能属于未来产业，我们还面临着一些非常关键的挑战，一个是高质量数据的缺失，训练具身智能需要物理数据，海量的数据不是专门的物理数据，如何获得更多的物理数据去训练它。比如说真机数据，还是合成数据，或是互联网数据。真机数据太贵、量太小，合成数据有时候不靠谱，互联网数据很便宜，也不靠谱。所以数据的差距问题很大，第二个是模型泛化问题，在一个场景下训练的具身智能在另外一个场景下不行了，所以整个链条的配合问题尤其重要。

AI产品形态越来越多，AI手机、AIPC，还有眼镜，形态明显日益丰富和完善。

走到今天，AI正在向各行各业持续的渗透，但是渗透的次序可能不太一样，语言渗透比较快，持续推动人类社会进步。人工智能正在迎来智变，我们做好准备了吗？我先说这么多，谢谢！

谢谢来自研究前沿的观察，信息量满满。

从4G突破，5G引领再到6G布局，接下来有请中关村泛联院首席科学家刘光毅发表主题演讲，主题为6G赋能，智慧泛在。

谢谢刘总的精彩演讲，我们也希望早点通过技术的突破，来实现6G的全域化覆盖，平台化网络和定制化赋能等四大目标。

如今AI已经不再只是被动应答的工具，持续进化能力的智能主体。接下来有请图灵智能研究院院长、北京智源人工智能研究院创始副院长刘江。

非常感谢，何宝宏总已经在前面讲了人工智能，我更多是从大模型的视角跟大家讲一讲，到底人工智能现在进展到什么地步，包括怎么去理解对社会的影响。18年我创立了智源，20年开始搞大模型。智源是实现中国大模型的摇篮，业界还是认可的，确实全中国最早开始的就是我们，也孵化了像智谱这样的公司。智谱今天的市值都8000多亿，远远超过了之前美团。很难想象没干几年，这个公司能到这个水平。

我从20年到现在的6年时间中，有一个感觉，大模型这一波人工智能的发展比我们原来预想的要快很多，我们怎么去理解它？什么叫智能体？智能体不是一个新的词，原来地球上有很多智能体，最明显的是人，我们自己实际上是智能体。比如说苍蝇和蚊子也是智能体，只不过跟我们的经济关系不太大。如果叫人工智能，或者叫数字智能体，因为人工智能大模型的发展，现在终于有了一种除人之外，又有一大类新的智能体的出现。

GPT3的时候我开始不太理解，现在越来越理解，人家就是要造一个数字大脑。每个神经元的计算能力，包括迭代能力比人要强很多。大模型就是一种新的智能体。

现在全世界市值最高的公司是英伟达，5万多亿美元，谷歌4万多亿美元，接下来将出现一批10万亿美元市值级的公司。给大家传递一个信息，业内基本上已经有一个共识，大模型、人工智能可能是无所不能的。之前听说模型越来越大，产业越来越强，其实不是的，硅谷一线公司全部招的AI博士，他们的观点非常激进。因为大模型现在已经开始进入用AI训练AI的阶段，在几年内很可能大模型能力提升会越来越强。之前是英特尔最强，现在英伟达已经远远超过了英特尔，是英特尔的十倍。

何总讲遇到的一些瓶颈，第一个阶段，是预训练。预训练把人类历史上所有的书，包括网上的数据全部抓下来，让大模型一个一个看，对应的更像大脑几亿年的进化过程。现在大模型的训练还有好几步，第二步所谓的后训练，后训练是强化学习的过程，某种意义上没有数据瓶颈的。让智能体到这个环境里去，让它去摸索。我们出一个物理和数学不可能的任务，所有的数据还没有解出来的，提给大模型，可能干一天，几天，或者一个月就能干出来了，现在有非常多的新闻在不同的科学领域出现。

扩大规模的是智能体，一个智能体配合我们，我们可以有多个，人是靠集体智慧的。以后智能体可以多智能体，还可以扩展。再加上智能体的数量，现在有四个维度，而且预训练规模化还没有到，只是之前的训练手法和数据处理来粗糙了，还能再往上升，现在四个维度都可能在扩大，能力到什么程度是完全难以想象的。

在这个基础上，怎么验证大模型人工智能行不行？就要考它，要不断的想一些比较难的题目，可能一套卷子，当然题目量很大。提出问题之后，很快时间就突破了，越到后面越快。人类最后一道考试，找了各行各业学科的专家出特别难的数学和物理题，大模型有不同的测试，最开始分非常低，满分100分，可能考几分。现在一下子能提到20分，其他的很快就打到了80多分，其实基本上就饱和了，就够用了。

对大家来讲首先要建立认知，通用人工智能很快就要到来，人类历史上很少有技术革命这么快来到。大家要做好准备。尤其是作为上市公司，我自己也是回到原来创办的公司，偏实体经济的公司，我们怎么迎接这个事情？首先，大家要搞清楚大模型，以前要了解人性，整个宇宙出现了另外一类智能体，所以我们要了解大模型到底怎么回事，怎么把它用好，作为管理者自己要多用，即使不用龙虾，豆包也可以多用。在这个前提下要去思考，我相信有很多的行业会被颠覆，而且来得非常猛。

这个图解释了信息技术行业已经开始产生巨大的颠覆，比如说英特尔和英伟达，原来英伟达是英特尔的小弟，差很多。因为大模型起来以后，整个芯片变了，主流的芯片是GPU，最近CPU又起来，因为智能体还是有一些逻辑性判断的。比如说软件公司，以前还比较值钱，因为写代码费劲，代码要招很多的程序员来写，写完以后要跟用户调整，有一定的门槛。现在写代码，大模型非常擅长，比人强多了，包括今年非常火的龙虾，包括OpenAI，代码基本上不是人写的，都是大模型写的，软件的价值就往下跌了。整个软件行业接下来都打问号。

还有一个很重要的事情，苹果这家公司以后怎么办，因为苹果在人工智能时代它的AI是非常落后的，就会遇到非常强烈的挑战，以后假设已经都不用手机了，就戴着眼镜和耳机，以后因为有6G各种基础设施，不用手机了，苹果怎么办？苹果应该有4万多亿，一个巨人可能会倒下。

所以，这个颠覆性非常强烈。做实体行业的老板一定要想清楚你的客户是什么，到底满足谁的需求，把原来很多假设打掉以后，它会怎么么变？能力如果不够，就要去满足这个能力。这次的颠覆太强烈，以至于以前非常多的假设都不一样。马上要上市的一家公司是（SpaceX），它在讲AI，讲算力，就是要垂直整合，马斯克的星链已经做了6G，要全方位覆盖，人家已经实现了。（SpaceX）财报最大的收入来源就是星链，它是卫星运营商。接下来的时代打破各种隔板，要回到最本原去思考。

我就讲这些，谢谢！

感谢刚才几位嘉宾给我们带来了非常精彩的分享。

从技术创新到产业实践，从政策解读到趋势研判，相信各位今天下午已经对于数字经济和人工智能当下格局和未来方向有了更加深刻的思考。

即将进入本次大会的圆桌对话环节，我们将围绕智变这个核心探讨三个主题。面对人工智能的快速迭代，企业非常关注三个层面的问题。

这个主题层层递进，从内部治理到增长逻辑，再到外部协同，共同构成企业拥抱人工智能的思考框架和实践路径。

接下来让我们有请本场圆桌对话的主持人国联民生产业研究院的院长杨灵修，以及有请五位嘉宾。

杨灵修：各位嘉宾好，进入第一个圆桌环节，主题为“智变·新治理—快时代需要怎样的慢思考”。在我自己的公司国联民生，我们花了大量的精力去研究AI对于各个行业的改变，或者说是“冲击”。我们能够深刻感受到这可能是人类有史以来最大的，或者说是我们自己经历的最大的技术变革。

这次圆桌主角是五位嘉宾，是各个领域在第一线的真正参与到业务上的掌门人、操刀者。我们想通过他们的视角来听一听AI在他们各自的领域，发生了什么样的变化。首先还是请各位嘉宾简单介绍一下自己的公司，也可以介绍一下自己。

张岳公：非常高兴来参加圆桌论坛，我来自三未信安科技股份有限公司，是科创板上市公司，我们聚焦于商用密码领域，在AI时代还是web3领域，密码越来越重要，我们深耕密码，希望能够让数字世界更安全。

张跃：我来自于北京浩瀚深度，公司主要做的是大网安全，比如三大运营商和政府的一些服务。另外我们公司还负责跟信通院一块合作网站异地备案，未来在AI备案方面做一些工作，另外还提供企业连锁店的一些Agent或者智能体的接入服务。

孟凡勇：我是达力普控股有限公司的孟凡勇。达力普控股是在香港上市的公司，代码是1921。主要从事的行业是服务于油气田开发的装备制造企业，有两个生产基地，一个是河北沧州生产基地，一个是沙特阿曼正在建的生产基地。主要从事的业务围绕油气田，公司是从中石油改制出来的一个企业。

黄伟：我是云知声的黄伟，我们公司是一个真正研究开发人工智能技术的，去年在香港上市的公司。在近期会发布最新的一版原生Agent大模型，基于更强的大模型，能够给现有的客户提供更好的产品和解决方案。

今年还会做一个新的突破，2023年发布第一版大模型，前几年更多是把大模型作为产品里面的组成部分。今年通过龙虾热，看到模型能力有了突飞猛进的进展，今年也会把模型能力开放出来，面向C端用户或者小B用户，希望大家关注。

潘成龙：我是远东资信的潘成龙，远东资信是1988年由人民银行推动成立的，我们国家第一家社会化的信用评级机构，有将近40年的历史。我们也是全国7家有全牌照评级资质的信用评级机构之一。这些年我们聚焦金融五篇大文章，一直也在服务包括科技金融在内的评级业务。

今天在座很多都是上市公司，我们公司专门也设有上市公司评级业务部。同时我们也针对今天的主题—AI大模型，推出了AI企业的评级模型。从这个角度上来讲，信用评级行业包括远东资信也是积极拥抱AI，积极拥抱人工智能时代。

后续希望为大家提供更好的信用评级服务，也提供更多的信用评级方面的支持和信息的交流。

杨灵修：谢谢潘总，在座的五位都是来自不同领域的企业领军人物代表。在座的各位可能跟我一样，标题叫做快时代，AI代表了一种快速迭代的时代。但是在这个时代里面，大家来这里一个是学习AI怎么改变，更加重要的是带有一丝焦虑，下一步是不是自己被颠覆了？我想大家都有这一方面的考虑。

在这么一个快时代，也要做一些慢思考。首先有请两位张总，正好是北邮的同学，都是在信息安全领域深耕很久。先请问两位张总，在这个快速的时代，包括在自己的领域，在信息安全领域，AI怎么改变你们做的一些业务？从你们掌控公司的角度来看，我们怎么才能不被这个快时代所裹胁，我们应该怎么去做一些冷静的思考，或者可以给我们提供一些案例。因为这些更深层次的思考，反而让我的业务在AI时代可能走的比别人更加稳健？

张岳公：现在进入人工智能时代，对社会和各个公司改变很大，我们都要用人工智能。您刚才说的，我觉得人有时候也是需要慢下来思考的。去年人工智能猛烈兴起的时候，公司内部年轻人员也是要加快应用人工智能。密码是安全的基石，我们是做密码的公司，人工智能也是一个数据系统，而且它面临的安全需求更大，因为代替人的思考，代替决策能力更强，我们一定要考虑它的安全。我们自己是做安全的，如果自己不想明白它，怎么去给用户推荐安全方案呢？当时我们刹了一个车，认真的研究大模型里面的安全问题，我们自己经过几个月，还出了一个白皮书，首先在内部避免了一些风险，避免了一些公司的风险。把密码在每个环节做了白皮书完整的方案，推荐给用户，也起到了很好的作用。

杨灵修：演讲嘉宾也提到了现在一些大模型竟然能够有顶级黑客的能力，都没有发生漏洞，它都能发现。您是做密钥安全的，在这里面是不是会有一些业务的机会在里面？

张岳公：肯定的，人工智能在赋能我们，我们也要用人工智能的技术。当然我们认为发现漏洞，它是网络安全的一种技术，我觉得现在大语言模型对编程的理解，这一方面肯定是一个革命性的飞跃，肯定要用这种技术。

密码还有一点不同，密码也是一种算力，有时候我们认为信息系统有连接、思考、信任，我们是建立信任的。安全和发展是一体两翼，人工智能未来越来越强大，但是人工智能最后一定要掌握在人手里，要为人所用。密码就是那个缰绳，密码的定义就是对数据的改变，在数据的生命周期里从云、边、端，保护隐私数据，数据的溯源，数据的清洁都有一些技术可以用。一方面要用人工智能来分析算法，更是要把密码技术作为一个好的基石和工具，来用好人工智能。

杨灵修：非常感谢张总。刚才提到了未来的一种形态，每个人有一个Agent，这种人机共存的环境里，怎么能够真正做到信息安全？

张跃：我除了是浩瀚深度董事长之外，还有一个社会的职务，就是整个生产力促进中心智能体互联网分会的主任，AI来了，时代为什么快了？因为AI会重构社会的方方面面，各行各业。重构意味着财富的重新分配，功能的重新分配。

第二个方面，智能体跟人什么关系，大家不要感觉到很恐惧，AI也是一个工具。人机协同，这个关系是不能改变的，几位在文章里发表了叫驾驭工程，英文叫（harness），人永远是主人，AI永远是仆。自动驾驶还得人驾驭，只不过从肢体跟车辆协同，变成了意识和意念，甚至语言来驾驭它，不是它自己能跑了，不是它自己能编代码，还得靠人类驾驭。如果搞不懂这个关系，除了恐惧还有什么？这个在应用当中是非常重要的一个认知。AI的安全方面，比如说开车，人第一件事要先拿驾照，先培训，人工智能也是一样，得先拿证，拿本，先培训。龙虾现在到处在用，确实很好用，就像电动自行车没有本，乱到什么程度，这都有类比的。如果把这件事搞清楚就会慢下来。比如说做反诈，已经全面人工智能化了。汽车本身的安全，行业本身的安全，大多数人不要去考虑，这是我们的责任，汽车发动机不安全了，轮胎不安全了，刹车不安全了，我认为人工智能行业之所以这么火，原因就在于它真的掌控了下一个时代，或者正在发生的大的功能上的变革，各行各业的重构。

在中国生产力促进中心智能体方面，我也呼吁慢下来，先把最关键，最不能错的，原则性的东西搞明白，搞懂，AI一定是人类发展的一个新的增长周期，此时此刻它的速度是我们过去难以想象的。

杨灵修：张总对这个行业有非常深的思考。接下来请孟主席，你是在制造行业，在快速迭代的时代，制造行业怎么去利用AI？给我们分享一下。

孟凡勇：我来自制造企业，题目是快时代，慢思考，AI智能发展和应用是一日千里，发展非常迅猛，人人在关心，大家都在想着怎么用。快时代我们必须得赶上，在赶上的同时，如果是找不到切入点，不想好怎么去应用，可能对企业来讲有毁灭性的打击。这个本身不是AI技术和应用的问题，而是我们没有慢慢的想好怎么去用。

为什么这么讲？因为我们知道行业不是今天才开始，而是传统已经多少年已经延续下来的，从一些传统的制造方式到一些自动化的生产模式，再到引进的一些先进的设备。这种情况下，如果不好好的想好从生产线、制造能力整体去规划，怎么从现有的指导模式，怎么应用AI技术，怎么逐步去转型，这是非常危险的，它会导致一些不匹配，员工的不适应。甚至会造成质量上的风险，成本上的风险。

所以，我们应该循序渐进去应用，去转型，首先我们要有一个规划，从现有的到AI慢慢想好，怎么去赶上这个时代AI技术的应用。

第二，分步去实施，逐步去应用。

第三，哪些使用，怎么去转型。从合规的体系建设，怎么去设定边界，怎么做好管理的底座，促使企业快速的转型和应用。谢谢！

杨灵修：黄总做的就是AI，怎么在快速迭代的时代里，或者跟得上，或者需要什么样的慢思考？

黄伟：我们自己是做这个行业的，包括我们自己也做模型训练，我觉得快是必须要快，企业的竞争也很重要。我们做的每一版模型，都是能力上有质的差别。我自己本身有这种恐惧感，如果在2022年底之前，人工智能技术发展还是线性的，OpenAI发布ChatGPT之后，发展速度进入到指数级的，后面还会进一步的加快，今年年底我也不知道AI会发展什么样的程度，快是必然性。

不是说所有的行业，或者说所有的岗位都是这么快，全面的不顾一切用AI来改变。我们在内部岗位做梳理，我们全员都AI写代码了，要学会怎么使用AI。能掌握AI的人才才有竞争力，而不是重复花时间写代码的员工，很多人没有意识到AI的生产力，有一个朋友是做游戏引擎的，通常用六个月的时间才发一个版本，去年一个月能发2000个版本。他告诉我一个数字，给AI使用特别好的工程师每个月配8万美元的token，产生的效率今年会更恐怖。每个月token要消耗大几千万元人民币，很多行业开始积极的使用AI，掌握AI。

前者是技术进步的快，时代要求的快，后者是说可能看行业，看岗位，这个相当慢。慢的过程中，给了我们一些时间去深度思考，接下来在快速演进的AI时代，行业应该怎么发展，职业怎么去协作，最终目的希望能够更顺利的拥抱AI时代，作为企业，能够在AI时代利用AI，创造更大的价值，而不是简单的为了AI而AI，或者很果断拒绝AI。

杨灵修：黄总自己是做AI公司，AI对于人脑来说确实迭代非常快。其实我们的脑子跟一千年前的孔子没有太大的区别，但AI不一样，AI的脑子今年跟明年就会差很多，可以想象到一千年之后的样子，未来的空间不敢想象。

最后请潘成龙总分享一下他的行业。

潘成龙：今天圆桌的主题选得非常好，就是快和慢的辨证关系，信用评级行业习惯去思考模型，思考逻辑。我们为什么会选这个主题？它的逻辑在哪？使我想起了德国有一位著名的社会学家叫马克斯韦伯，他提出的一个理论叫价值理性和工具理性的理论。他讲人的社会行为一般是受两种理性支配的，一个是价值理性，一个是工具理性。我从这个角度解释可以解释得通，就是我们为什么要思考AI大模型快和慢的问题。

首先从工具的角度来讲，刚才几位也说了如果AI是一个工具，我认为在AI的研发、中试、实验阶段，我们一定要想得快，做得快，只有这样，才能不落后于时代。在价值的层面，我觉得可能是重点要思考我们能不能快的问题，这就是刚才黄总讲到的要分行业，分岗位的对待这个问题。

在一些纯工具性的或者不会对社会、对人类造成一些危害的领域，我觉得要很快的去应用。但是对于社会，对于人类，包括对于人本身会造成一些影响，或者我们看不到影响的情况下，我们要慢下来思考。

我讲跟评级无关的体会，就是AI写作的问题，我有两个孩子，现在孩子文学的创造力在下降，我就在想李白生活在AI时代还能不能成为李白，还能不能写出千古传唱的，脍炙人口的诗篇。AI用的很熟练，但是他们写出来的东西可能很难看，特别流行用AI写诗，写赋，写出来的东西没有任何的灵性。所以在这一方面要慢。

涉及到评级行业，也是价值理性和工具理性平衡的问题，评级作为资本市场的一个基础设施，评级质量的高低，评级等级的高低，直接决定了融资体量，融资风险的高低，也是具有强烈外部性的行业，具有强烈监管的行业。所以快也快不了，因为监管规定了很多的条条框框，从评级分析师进场到出报告，短于45天的周期都会受到监管的问责。但是从评级报告写作过程中，当你在具备充足的私域数据，我觉得用AI生成报告是非常快的，但是这里面必须保证数据的来源真实性和准确性，能经得起检验的。从这个角度来说，评级行业也在出一些标准，标准先行是一个正确的道路。我们必须对评级行业数据的采集，大模型的应用，所有的技术行业有统一的标准，只有这样才能够保证这个行业的公信力。所以从快和慢的角度，我也结合价值和工具理性的理解，简单谈了谈。

杨灵修：非常感谢潘总，刚才五位在一线公司的掌门人，都对AI怎么去理解它，或者在浮躁的情况下，能够更加深刻的认知它真正能做的事情，提出自己的一些深刻的见解和看法。

再次感谢五位嘉宾给我们带来的精彩分享。谢谢！

费子铭：今天时间比较紧张，主题是人工智能如何重塑企业增长逻辑，邀请到的四位嘉宾，阿尔特CEO、总裁张立强总，格灵深瞳CEO吴一洲总，北信源副总裁姜来总，百炼智能创始人兼CEO冯是聪总。几年前的人工智能还是一个技术概念，今天来看它已经实实在在进入到了企业的增长公式，有的企业用它降本，有的企业用它来增收，有的用它来改变商业逻辑，有的用它重新定义产品和客户逻辑。

来自不同赛道企业负责人，聊到人工智能如何成为企业增长的全新引擎，我是主持人来自天地在线的费子铭。第一个问题，希望每一位嘉宾分别回答一下，人工智能作为新质生产力在各位企业中最直观改变了什么？请结合自身业务谈一个最核心的变化。

张立强：阿尔特汽车主要是提供汽车整车研发技术，在这个背景下，现在的人工智能给我们带来了一个比较显著的变化，整个在业务发展中，对效率有比较大的提升，以及对于人才梯队培养起到了非常显著的成果。

我们主要以项目制为主，为主机厂提供汽车技术，在效率提升方面，通过从整车的车身和造型，能够利用人工智能把一些偏重复性的，或者是在某些框架之内需要大量人力去完成的工作，利用AI可以让效率明显的提升，或者节省大量的人力。

对于阿尔特汽车的工程师来讲，对于非常有经验、又参与过非常多的项目工程师是非常稀缺的。通过AI可以把相对比较年轻的工程师在很短的时间内，让他具备非常有经验的工程师整车开发理念，包括一些技术水平，这些都是对我们很显著的改变。

吴一洲：格灵深瞳是一家人工智能公司，从事视觉智能很长的时间，尤其是应用落地的方向。我们更把现在这个时代叫大模型时代，或者是智能体时代，在这个时代里其实技术是突飞猛进的，而且它是高频的，跃阶性在变化。当年的视觉算法传统的小模型时代，手搓算法的时代，想突破盈利是很难的事情。在当下的大模型时代里面，全部在大模型原生或者Agent原生的技术架构下，其实是存在了可以相对标准化和工具化，然后推出一个更高效的智能体，使得客户受益，公司也能走向规模化经营的契机，这个契机现在诞生了，但是这条路还是很难的。所以对于我们来讲，很多的转变不光是内部的人员结构的改变，包括生产模式的改变，生产工具的改变，更多是我们看待这个赛道的改变。

姜来：我是来自北信源的姜来。北信源是传统的信息安全公司，今年已经30年了，所以在人工智能的时代，对于企业的发展这个话题有两个方面，我们有机会从一个传统的信息安全企业分为两条线，一个是继续来做智能的安全，我们也有机会去参与安全的智能方面的建设。

智能安全方面，我们保障了全国数千万台的各种终端安全，随着大模型在全球飞速的发展，我们的客户大概4万多家，很多都是一些重要关键基础设施单位，他们反馈回来的信息和软件，还有应急指挥和告警信息比以前多很多。

我们作为深扎在信息安全领域的企业，我们有机会做安全为基因的人工智能的应用场景。我们做了一个“爱传”的人工智能母语翻译软件，这个软件服务于出海用的，后来被文旅部选为“你好，中国”。一个安全的公司怎么会做母语传译的软件，离开大模型是没有这个机会的。这个也坚定我们未来依托自己以前的积累情况下，再开发各种类型的应用场景，给企业带来一些新的增长机会。

冯是聪：我是来自百炼智能的冯是聪，今天的主题是AI对我们的业务有什么帮助，我们是传统做SaaS的，一是帮助客户去找客户，二是找线下门店，开店选址。我们特别开心，因为给客户的体验变了。举一个简单的例子，告诉我们说今年所有上市公司都招了多少标，投了多少标，要选上市公司，最后给一个列表，要操作很多步。今年只需一句话就能完成，AI把这些都变成了特别简单的操作。

对我们原来做SaaS的体验是彻底的颠覆，原来按照年费的方式，现在按照次数来收费，我们封装了几个skill放上去，几乎没有做任何的宣传，用户体验也很好。

第二，18年成立的时候，1.0的时代，做的绝大部分的小模型都跑起来了，坦率来讲没有什么价值，直接就扔了，用大模型就可以了。对于编程，比较牛的，做20年的编程人员，一个人可以干一百个人的活，在节流和提效是非常有效。

张立强：第二个问题是针对张立强总和冯总，阿尔特是汽车设计和工程服务的企业，百炼是专注于B2B的营销，给客户提供的核心价值发生了什么样的变化，客户更愿意为哪些新的能力买单？

张立强：作为阿尔特来讲，阿尔特是做汽车研发的，我们给客户提供从以往的人力规模的技术服务，正在向能够提供综合的解决方案，这个对客户来讲是价值的变化。很多地方从单点到全站的解决方案，这是客户非常需要的。

这些年基于AI的发展，研发的垂类模型方面自研了很多，除了自用以后，其实可以赋能给客户的，这都是对它的价值上的改变。（元方）模型主要是在汽车研发过程当中，可以去分析，可以去创立一些方案，甚至去纠错。把以往的靠手动，人工去做的很多工作，都可以用元方模型去做，可以大幅度的提高效率。还有一个模式叫驭风，汽车的风阻是非常重要的一个性能指标，新能源车在60公里以下阻力主要来源于滚动摩擦，一旦超过60公里每小时，大部分的阻力都来源于风阻，大家有里程焦虑。所以降低风阻的系数，对于里程的焦虑和续航会非常有帮助。这个模型就可以帮助在做整个效果草图的时候，就可以进行风阻的计算，可以把风险大大的前置，这个对企业研发是非常有好处的。

还有一个模型是太乙，主要是做到文生图，图生图，二维转三维，这是做量产车无论是UA界面，包括清晰度都不是一个量级的。

既然你这么好，客户为你的哪些方面买单？其实客户非常直接的一个痛点或者是因素，可以大幅降低他的开发周期。原来一款的开发需要36个月，后来提升到24个月，现在提到了18个月，甚至到了竞争比较激烈的时候，能够比其他同类车型提前上市三个月，或者四个月，其实已经抢占了很多的先机。现在两年一小改，三年一大改，能够降低客户的开发周期，对他是一个非常吸引的点。

另外通过AI可以比较好的去纠错，甚至让我们的方案更完善，原来人脑想的五个方案，现在用了AI，可以拓展到10、20个方案，让客户有更多的选择，让他有更多的可能性。无论从品质和可能性的数量，对他来讲都是很好的着眼点，都会为这些东西买单。

费子铭：利用AI技术，我自己来检查和修改自己做的东西，这个过程当中其实会不断去优化产出的结果，也是提升工作效率很有效的一种方式。

张立强：以后要用AI来训练AI。

冯是聪：AI来了之后，客户买单有两方面，第一个是数据，自己专有的行业数据，大模型中可能覆盖了60%的公开数据，或者是常见的数据，剩下40%是没有的，做了很多的分析结果是错的，或者有偏差的。你有能力把这个数据覆盖到90%或者95%以上，结果肯定比他好。

第二，原来可能是给客户卖的是一个工具，自己去用，现在变成了一个结果，原来告诉我哪一个标值不值得投，首先得知道这个标，拿到了以后要分析招标的时间，还有资质，判断一下这个标值不值得投。现在不要你思考了，就告诉你这个标值得你去投，直接把结果给你，原来是人拿工具去分析，现在把分析结果给你了。

以前小模型做的很费劲的一个工作，知道这个标在投，接下来要去投标，得写标书，成本很高，一个人干一个星期，几百页，现在几分钟内就生成完整的几百页的招标文件，基本上完成了85%以上，因为后面做了很多的模型，原来买一个工具自己去用，现在变成直接给一个标书，给一个结果，一份可能10、20元钱，可能省几天的时间。大模型和AI来了以后，要么是没有数据，要么是给数据后将直接给我一个满意的结果。

费子铭：第三个问题问一下吴一洲，格灵深瞳在多个行业落地了AI视觉，你们判断一个场景值得做的一个核心标准是什么？有没有什么是你们主动尝试后而放弃的？

吴一洲：现实面临的问题，一个场景值不值得做就是两本账，一本账就是客户的收益账，再就是商业账。先说客户的收益账，大部分的客户接受AI，都是以降本增效来切入的，从降本增效的角度来说，对于一些高频的重复性人工，希望通过视觉算法来解决掉。很多视频监控原来是人看，现在改变从AI看。还有一些黑天鹅事件，包括一些重要重大的事故类的，因为人是存在疲惫期的，或者人不像机器一样可以24小时运转的，这个是最开始的切入诉求。

慢慢现在经历了前面很长时间的使用，更多的是走向了业务应用，如何让这个算法嵌入到业务流程，还有日常任务之中，同时还能帮我去训练一支可以自己迭代优化算法的团队，我们的业务方向就从提供给客户一次性的算法，或者一次性的买卖，变成了给客户提供了一套真正易用性的工具集，易用很重要。真正使用这一套AI工具落地的一线业务人员，并没有大家想象的在AI能力水平上那么高，一旦有易用性的问题，当大家出现了很强的抵触，其实对于客户来说，这个收益是负的，不是正的。

从一个公司的商业账来讲，我们作为一个科技企业在研发投入上是不遗余力的，尤其是在底层模型投入上，包括在工程化的投入上，尤其给各个国产芯片还有各方面的适配上，这个投入都是巨大的。但是真正要做出来这个产品的时候，现在是必须考虑收益的。当年其实手搓100种算法的时代，这种收益根本算不过账的。现在，在软硬协同的体系下，我们可以让客户自己0到1，我们帮客户做，1—10我们陪客户做，1—100客户自己也能玩的路径。这是一个双赢。大部分的场景都出现在了客户收益没有预期那么高，我们也很难走向盈利的过程中。

对于放弃的场景，在三年之前我们放弃的场景是非常多的，在小模型时代，一个场景一做的方式下，其实很大部分场景都是边际效应是很难达到预期的。现在我们放弃的场景反而是大幅度减少了，因为我们可以有时间，有工具，可以跟客户在数据不出网的情况下，通过现在的视觉智能工坊能够让客户慢慢去积累一些长尾算法的能力。

还有意识突发的灵感性场景，这个很难持续规模化的，我们也会放弃掉。还有一种是比较特殊的，现在整个算法，尤其是视觉类的算法还是应用在旁路的，很难串联在真正的业务流程里面，也就是说走向闭环，这个东西发生了告警的问题，下一步会不会做阻断，这个事情还需要很长的路去走，还是得旁路分析。其实这几类场景下，有一些是我们持续的，从长远的角度来讲是一直要跟进的。

费子铭：一个企业最大的资源浪费就是努力的去解决一个原本不该存在的问题。北信源专注于信息安全，在AI赋能企业增长的同时，安全风险也在演变，从你们的视角来看，企业在拥抱AI的时候，最容易忽视的安全漏洞是什么？

姜来：AI在飞速的发展，社会在讨论，媒体也在推波助澜，产业各种资本涌入，一切都是很美好。企业进行AI的转型，无论是+AI，还是AI+，我们接触的一些实践案例里面，出发点就两个，一个是降本增效，第二个是辅助决策。很多企业都在做降本增效，无论是营销岗还是运营岗，最顶级的大模型产生的coding原代码，从真正安全审计角度来讲，比以前我们发现的要更多。所以我建议一些企业尤其是研发部门在用AI辅助进行coding的时候，要真的加强一下代码审计的工作，它的幻觉和skill，包括定的规则前面一定要设计好，后面必须要把一道关。

后面做辅助决策的时候也是一样，5500家上市公司，如果AI能够更好帮助上市公司的高管会进行讨论，在董事会讨论都涉及到商业秘密，这个时候喂给模型肯定都是涉及到企业很核心的东西，无论是可以公开的财报，还是内部的经营数据，销售数据，管理数据，甚至招投标信息，前提第一个是私有化，不会把这些东西放到大模型；第二，包括知识库的搭建，包括人为的一些因素，在网络安全里面老强调大数据安全，在AI时代小数据可能更重要。因为你会用AI帮助企业收集以前可能散落在各地的报备，这样一些黑客就可以更精准全部把它拿走，一次性连锅都端了。家里面东屋放一点，西屋放一点，一次拿不走，现在不一样了，已经全部汇聚了。尤其在企业的决策层，如果想做这件事，也要把安全的底线思维放在前面。以前我们专门服务企业决策层，现在已经升级了董事长的AI保护，完全数据的私有化、脱敏，包括能符合审计的要求。

我还有一个社会职务，中国上市公司协会里面专门有一个人工智能专委会，借今天这个宝贵的机会，也呼吁格灵深瞳优秀的人工智能企业加入到专委会里面，共同探讨正在编制的人工智能发展报告，争取在这个平台上一起来探讨企业未来更加安全、高效依托AI更好发展，避免出现一些致命的。要有底线的思维，就像一个车一样，强调跑得越快，这个时候安全带一定要系紧，刹车系统一定要好，否则后果一定是灾难性的。

费子铭：用一句话来概括一下AI时代你们企业全新的增长逻辑是什么？

张立强：基于阿尔特的业务类型，这几年我们在AI方面的投入以及成果，一句话可以这么说，阿尔特从汽车研发的服务商转变为汽车科技创新企业。

吴一洲：格灵深瞳通过用AI原生的架构，以及AI的定义软硬协同，打造一套端到端的给客户赋能的视觉能力平台，和客户一起更多的是陪伴，也让客户拥有能力用AI看见和理解世界。

姜来：北信源在AI的时代，进一步通过AI赋能传统的安全产品。

费子铭：时间有限，第二场圆桌就结束了，谢谢大家！

朱君：过去讲的是竞争，现在都讲生态，因为单点技术再强，如果说没有系统的协同，可能也很难打通。第一个问题，在人工智能时代，对我们在行业生态里的位置和作用带来了哪些改变和影响呢？

袁先登：我是盛邦安全的袁先登，我们是做网络安全的企业，随着AI的发展我们的位置和作用，这几年变化还是很明显。简单说就是更靠前，要更全面，更加对结果负责。

第一，网络安全防御的模式在AI面前要发生一些改变，安全好多年来都离不开规则和对规则的对比，大楼里的很多安全是不是消防做得好，保安做得好，都是和规则做对比。这个方式只能让我们去解决已知的漏洞和已知的风险，如果有新的变异我们是不知道的，所以要求安全企业也利用AI技术能够自己去学习，能够去发现未知和变异的漏洞。

这一场主题是单点和系统，原来的网络安全这些设备都放到自己企业的机房里面，保护自己的软件也好，硬件也好，现在不一样了，现在各家企业很多都在调用大模型，或者采购云服务。我们除了要保护好自己的这些软硬件，还要防止第三方系统给我们带来一些麻烦，或者协调很多第三方的产品一起工作。面临新的时代，我们就应该改变我们的思想，然后去学习，做得更多。

朱君：首先是预判，面对越来越多风险的时候，要有更多的底气和实力去应对和解决它。

孟庆昕：这一轮AI的变革对四维图新来讲，就是我们积累了20多年数据资产，通过AI进行了系统性的大跃迁。一个是通过AI，原来四维图新沉淀的现实世界还原的，为智能车服务的自动驾驶数据库，最早受限于自动标注极其昂贵，很难释放，但通过AI我们可以让数据的标注和算法，包括整套方案能快速迭代。第二，让我们的数据更精准，这也就是对自身产品的一个变化。还有就是我们看到这些数据通过AI的提炼，以及我们对于多场景的应对是一个横向的拓展。现在能够看到低空经济，包括人工智能里面的具身机器人，这些客户的涌现场景复用，对于四维图新就是赛道有一个新的变化，这是我们的体会。

罗骅：国科恒泰是一家服务于医疗器械行业的企业，从整个流通服务，整个服务是从生产企业出厂开始，一直到最后一公里的医院患者的手术植入，整个链条都是国科恒泰的服务范围。

在数字化领域，我们有一个科技公司叫国科恒兴，我们有实业，又有科技，实业+科技相结合的公司。科技公司也是基于恒泰的主业来服务于整个产业链，当时做的数字化是叫产业互联网，从生产企业一直到医院服务，到患者服务，整个链条都是之前做的数字化。

现在有AI以后，对于现在的服务多元化，以及核心竞争力的提升是一个巨大的变化，现在有一句话说得很好，我们也特别认同。以前的数字化更多的是交付给客户一个工具，现在的AI交付给客户的一个结果，这是一个巨大的变化。

恒泰这种全产业链深度服务多场景的情况下，AI就会发挥出很大的作用，它会区别于原来的数字化产品交给客户一个工具之外，我们可以基于AI深入到场景的应用里面去，给客户更多的结果。特别是在目前大的医疗环境下，各个企业都面临巨大的挑战，特别是提效降本的挑战，AI在提效降本这一块是有巨大的促进作用，这就是我们一个比较大的变化。

杨新辉：我是中科创达的杨新辉，中科创达是做操作系统的企业，我们做的操作系统是覆盖像手机、汽车等各种各样的智能硬件，包括机器人上面运行的操作系统。

今年看到最大的变化，可能是从23年开始，实际上AI在操作系统里面产生的重构，会对整个产业发生翻天覆地的变化。生态上会有什么变化？一个企业必须重新考虑你的产业链上下游的生态重建，因为以前没有AI的时候，自己的生意可以是在一个独立的产业链里面完成的，有了AI之后，可能会有一些新的角色要出现，比如说算力的供应商，比如说模型的供应商。特别是模型的供应商，三五年前在很多产业里是不存在的，不需要使用模型供应商来做事情。模型的重要性逐渐从0变成了非常大的规模，企业的开销，企业的投资，企业很多费用出发的方向反而发生了很大的剧变，就是以前应该花钱的地方不花了。

对我们的影响，或者对整个产业的影响，所有企业要重新思考生态上产生的结构性的变化，这个结构性的变化里面跟AI相关的环节和生态上下游需要更加重视。

有一些企业可能过程中就会被调整和淘汰，因为不在产业链里面，而且重要性变得越来越差，这是我们整体的认知。

朱君：所以要思考的更多的是从无到有的问题。

闻化：我是凌雄科技的闻化，我们公司是做IT设备的订阅、技术服务、SaaS软件类的服务，以及资产回收管理的综合解决方案。在过往自身的定位是IT设备的运营商，或者IT设备全生命周期的管理服务商，这两年AI整个风潮过来，对我们的业务结构，包括整个生态的定位也发生了很大的变化。目前自身的定位叫AI算力的普惠者，或者说是叫行业的整合者。

为什么这么说？首先从行业的痛点来看，现在AI的浪潮下，中小企业都会去拥抱AI，有一个很大的门槛，第一个门槛不是算法，是算力。一台高端的GPU服务器目前市场价格已经到了百万，甚至数百万，要做一个比较小型的算力集群，投入也超过了千万。在这样的情况下，中小企业去购买设备，这个行为是一个高投入，高风险的行为。凌雄科技最大的优势就是为客户提供轻资产、灵活性强的解决方案，我们可以把千万级的算力集群的投入拆解成为按月付费，按需扩容的订阅服务。

目前我们已经为超过2000家的科技企业和科研机构提供算力订阅的服务，当中有80%是中小微企业。他们通过订阅服务，原来可能要花几千万去购买的设备，现在每个月花费几万元就可以享受到最新算力的接入，这是我们认为的普惠者订阅的角度。

其次，我们除了对外输出价值，对内也是通过AI对整个运营流程做了重构，让我们在行业内实现整合者的角色。这两年开发出了自己的AI算力管理平台，有三个作用，第一是帮助我们做算力的调度，有的公司可能白天要去做训练，晚上要做推理，通过算力调度平台，给他匹配方案，降低了他的成本，提升算力设备的使用率，从原来35%可以提升到72%。

第二，智能风控，通过这个平台可以把坏账率控制在0.3%以下。

第三，可以做一个精准的残值评估，我们做这个业务最大的难点就是怎么样去评估到这个设备的残值，跟原来的PC和传统的服务器最大的不同，传统PC服务器残值率比较低，单价比较低，二次利用价值没有那么大。现在AI使用场景下，算力服务器的价值非常高，但是市场波动也比较大。智能管理平台就可以结合现在设备硬件损耗程度，以及市场的需求，技术迭代的周期去做一个比较精准的预测，这个预测可以控制在5%以内。这样就可以让我们把淘汰下来的设备，能够进入到梯次应用的通道中，实现高端设备的采购，首次订阅，翻新再制造，再到再次订阅的循环闭环，这样我们就可以做到整个上下游的组织，上游可以厂商去消纳产能，中游可以帮企业接入到算力，落实比较低成本的算力接入，帮助循环企业做资源最大化的循环和利用。这就是对新的定位的解释。

朱君：五位都是来自不同的行业，有的做设备连接，有的做安全守护，还有做数据底座和供应链协同的角色，五位嘉宾都从最前沿，最一线的感受给我们介绍了。

感觉大家提到比较多的一个词是降本增效，再就是意识的变化，从无到有的改变。接下来我想问一下凌雄的闻总和国科恒泰的罗总，凌雄是做设备即服务，国科恒泰是做医疗器械的供应链服务，两家企业都是服务化转型的一个代表。现在AI引入之后，公司的服务模式有没有发生过去做不到的一些变化呢？

闻化：我们确实在这两年发生了比较大的变化，在AI的场景下，主要有三个，第一个就是在算力服务的弹性化和定制化方面实现了突破，因为过往去做PC和传统设备提供的时候，我们做的是标准化的服务。客户要什么，以及我们有什么，都是按照现有的产品里面去选择，除了极少数的场景，我们都会提供标准化的服务。但是在目前算力的场景下，首先从客户的需求来说，两个案例，第一个是做智能驾驶的客户，刚开始去做大模型训练的时候，需要A100的设备100台，后面完成训练了以后可能只需要十台去用于推理。第二个，做AI绘画企业客户，它具有很强的脉冲性，节假日需要很强的算力扩容，节假日他的用户会有拍照的需求，使用量会比较大。在这种场景下，现在开发出的算力管理平台就可以帮助客户解决这个问题，客户可以通过API接口接入我们，可以实现算力设备忙时使用高配或者是扩容，闲时使用低配，或者减少用量，可以减少客户的成本大概在40%以上。

第三，整个服务响应的预判性和响应度，过往我们去做服务的时候，基本上靠人工巡检+客户报销的方式，现在AI设备里面植入了AI传感器，这个传感器不会涉及客户的信息和数据，只是监测到硬件的运行情况，比如说GPU的温度，算力的负荷等，可以实现提前预警。去年的时候帮助一家公司，提前24小时发现有10台A100出现了温度报警情况，我们提前进行了介入，帮助他避免在模型训练中产生中断、造成比较大的损失。

客户在使用算力的时候，出现了软件兼容问题，或者硬件的使用问题，过往需要人工服务，现在通过AI智能体服务可以在十秒内调取，帮助他解决问题，可以解决客户80%的问题，剩下20%的问题通过员工的介入来解决。

再就是资产的循环最大化，在过往我们去评价和评估资产价值的时候，更多的是靠基础系统和人工，现在是依靠智能的平台，可以实现很精准的评价。这样就会让淘汰下来的设备可以更好进入到更加有匹配需求的客户当中，甚至实现了高配的设备进行首次订阅，二次回来以后，再制造以后，可以匹配到有需要的中小型企业客户当中的手上。

朱君：可以说解决了客户最刚需的问题。

罗骅：刚才也提到了国科恒泰是一个服务于全产业链，做深度的服务应用公司，实际上我们的服务场景还是很多的。

我们有独立的科技公司，基于我们对行业Know-how的前提之下，深耕于现在的这些场景，我们去做智能化。

举几个例子，对很多生产企业来说，它的新产品出来，传统的方式是通过常规的对经销商渠道的培训，需要对医生学术的推广和教育等环节，逐步去把新产品推广到市场。其实在这个环节过程中，我们通过智能体可以跟生产企业合作，把它产品知识、临床知识、专业知识、营销知识、学术知识等内容，都可以通过智能体作为载体赋能到下游的渠道、经销商，甚至医生手上，能极大地提高信息传播的效率，也能够非常准确地帮助终端的用户实时掌握厂家的产品，以及服务，以及学术优势。

现在有一个服务叫手术跟台，医生给患者做手术的时候，需要有一个专业的人员去指导医生怎么用植入的假体和工具去完成整台手术，这是需要厂家专业人员去辅助医生来做的。这个过程在很大层面上依赖于终端的服务人员的专业性，以及跟医生的互动，以及对厂家的产品和手术临床知识专业性的掌握。实际上在很多厂家覆盖全国各大医院的手术里面，很难做到每个人都有这么高的水平。可能个别大医院服务人员水平很高，但不是说所有的。有智能体以后，实际上这些能力都能够通过智能体来形成非常强的支撑，对人的要求就低了，不一定对专业服务人员的能力要求这么高，甚至可以直接给到护士，由智能体结合护士就能帮医生完成这台手术了。传统的无论是信息化，还是以前整个服务体系是不可能做得到的。特别是针对这一类的服务，对于生产企业出海，很多生产企业要把自己的技术、服务和产品全部复制到海外去，帮助拓展海外市场。传统的方式通过大量的投入人力物力，去完成整个海外市场的拓展，以后通过智能体，这一块的费用就大大节约了，也不用工程师天天跨国飞行去支撑一些落后国家的手术，通过智能体能大量的复制出去，这也是传统领域做不到的，也是这个行业未来可能的一个巨大变化。

朱君：全面落地大概还需要多长时间？

罗骅：因为医疗行业是一个严肃的应用环境，它对AI的幻觉接受度是很低的。通过技术的发展，模型的发展，以及数据的积累和不断地迭代，我觉得这个时间应该不会很慢，因为技术发展很快，现在的技术应该是以月为单位在更新。

朱君：下一个问题想问盛邦安全的袁总，盛邦安全在整个生态里面扮演着“守门员”的角色，现在也是有越来越多的企业开始用AI来重构业务，但是在这个过程中，关于AI带来的有可能的潜在风险是大家特别关注的，包括罗总也提到了可能会出现AI的幻觉，在这个过程中盛邦安全去护航安全的过程中，您觉得发生了哪些变化，或者还需要怎么去应对？

袁先登：确实应该有一些变化，你问的这个问题，一年半之前DeepSeek诞生的时候，我们其实做了很深刻的思考，但是这个过程肯定不愉快，很焦虑。安全很多年来是一个“守门员”，在企业网络的边界做守护，是比较被动的。

我们现在认为应该是一个伴行者，整个软件从诞生到使用的过程，包括业务流程的过程应该是一个伴行者，这是我们需要做的。展开来讲，我觉得有两点是我们觉得比较深刻的，需要改变的地方，一个是我们要把安全产品的思想变成安全能力的思想。产品是经过漫长的开发，经过测试推向市场，然后就定型了。可以重新改造它，但是都需要时间，可是AI时代不是这样的，每天都在变。所以我们应该把安全变成一种原子化的能力，让它分布到各个环节，无论是结构上的各个位置，还是时间节点的各个时间点，它应该有它在，应该把它从一个站在门口的“守门员”变成一个全流程网络毛细血管里面的伴行者，这是需要做的。

第二，我们也更深刻地思考，我们觉得应该把安全这件事从一个成本中心变成价值中心，一提到安全就是要买很多的东西，然后去放一个概率的事，有可能发生，有可能不发生，就是要花钱的感觉。传统的做防御就是这样，买了很多设备在机房里，有攻击来了，它有作用；没有，它就没有作用，就放在那，甚至有的时候来了也守不住它，现在需要改变，把它变成一个价值中心。怎么样去改变呢？我们思考了很多，安全是我们追求的，如果安全实现了，能给客户带来什么，我觉得实现了安全就应该是更加便捷，更加有序，更加自由。如果能实现这个，对企业来说就有很多的价值。

让各个企业实现安全，能够很便捷地去拥有所有的软件，很多的国内外的大模型，今天要做的是文字，我们调用A模型，要做的是视频，可能调用模型，效果最好，成本最低，在切换过程中又是非常无感的。盛邦安全还做基于微信互联网的业务，一个客户一艘船如果在地球上航行，到了不同的地方，可以调用不同的卫星通讯，靠近岸边的时候可以使用5G基站，让它很可靠地做通信，很省成本地做通信，我觉得我们做的事就很有价值。这两个是我们觉得最大的两个感受。

确实AI来了之后，我们要改变。这三场圆桌我都听了，其中每场都有嘉宾提到了软件是工具，未来需要的是结果，不是工具，软件可能很麻烦。大家都说日后软件不值钱了，因为AI写软件太厉害了，软件变成了日抛，需要的时候就写一个，用完了就没用了，面对这种情况，我们确实需要很多的思考，我觉得这也是一个企业能够长久发展必须做的事情。

朱君：在AI时代，护航安全的作用任重而道远。

问一下四维图新的孟总，四维图新高清地图是自动驾驶生态的基础设施，在数据共享和数据资产保护之间，我们怎么去寻找一个很好的平衡点呢？

孟庆昕：问题特别好，四维图新这么多年我们的客户都是车厂，从传统的燃油车到新能源，以及现在的智能驾驶，四维图新一直在做一件事情，就是如何让它的移动出行更安全，让政府的监管更放心，且如何让数据能够有效地共享，这才能让它的商业价值最大化。

举一个例子，比如说智能网联车初期的时代，车厂担心的是车端的数据采集出来，是否被别的车厂共享，把自己的核心算法拿走？对于我们的用户个人隐私只要进到车端，比如说语音交互的声纹，人脸识别，四维图新最早把智能网联车，包括智能驾驶涉及的个性和地理信息的脱敏，做了一整套的合规工具链。

具身智能机器人怎么去管理，它的移动的位置，以及每一个动作，进入的每个场景可不是在路上跑的智能车，它要进入家庭，要陪伴孩子、照顾老人，这些交互的场景怎么去做有效的数据采集、数据脱敏，以及当发生危险的情况下，怎么有效地监控管理，这些都让我们看到的是一个巨大的机会。理论上从智能网联车端的场景迁移到具身智能的场景。

前一段时间亦庄有一个机器人马拉松大赛，在赛前四维图新把所有的高清地图进行了采集，且能够看到自主奔跑的机器人，像冠军的荣耀，包括比较熟知的宇树、天工、智元这些机器人都装了四维图新的时空数据安全合规方案，也就是我们能够做到无论从采集到最后的合规，是做到了整体的闭环，这就是主持人提到了从自动驾驶的数据库延展到具身智能，怎么有效地平衡，大家还是关心的数据合规怎么做，数据安全，以及数据共享，这是我们看到了现在对于行业理论上任何一个场景，像智能车如果没有数据安全作为前提，可能商业化门槛也进不去。具身智能也是一样，所以这就是我们看到的。

朱君：下一个问题想问中科创达的杨总，中科创达为智能汽车和互联网提供操作系统的解决方案，现在当AI去重新定义终端智能的时候，我们所构建的生态底座需要做哪些调整呢？

杨新辉：跟上一个问题有一定的连续性，我们对这次AI带来的变化其实还是感觉非常兴奋的。主要的原因因为AI带来的创新体验是以前完全没有的，以前很多的工作是在做跟随，由客户去定义产品，或者由产业界领先的欧美企业去定义产品，因为他们走的时间更长一点。AI时代来的时候，中国整个产业链的速度是非常快的，可以定义一些创新的体验，把AI放到车里面，放到座舱里面，放到智驾里面，放到其他的产品形态里面，这个体验完全是一个全新的，就是大家都没有做过。

去年我们在IAAMOBILITY上和英伟达，和吉利首发了大模型上车，端侧模型和云端模型互动产生了新的体验，这些其实大家都没有做过。所有企业在一条起跑线上同时去做创新，对他们就产生了非常多新的机会。对我们的战略升级，把原来传统的操作系统+AI升级为AIOS，通过AIOS把所有的产品再重新做一遍，让每个产品都有灵魂，以前的产品都是被动类型的设备，不存在真正主动感知的能力。现在有了AI之后，所有的产品都具备了新型能力，我们觉得是一个非常好的时代，对继续创新，持续把AI带到产业里的企业是非常大的机会。

朱君：这个问题可以用简短一句话来回答，可以来做一个预判，大家觉得在未来的三年，AI可能会给所在的生态带来的最大风险是什么？在两三年之后再回头看这个预判就会非常有意思。

袁先登：我们是做安全的，由于深度伪造，我们看到的视频图像都可能是假的，还有提到了AI幻觉，这些危险如果不解决，我们担心未来会带来数字世界，甚至由此也会引起物理世界的信任体系的崩塌。

孟庆昕：其实数据的开源共享是非常重要的，如果大家都是认为自己的场景自己来做，将来我们认为这个产业也是一个无序的发展。

罗骅：基于AI应用的风险会有几个方面，第一个方面就是在于数据，我们是需要权威而专业的数据，AI不会打开互联网功能去爬各种数据，更多会用到更加权威和专业的数据，去做AI的预训练。

第二，做预训练的过程当中，实际上它的整个模型的训练和迭代是由专业的专家来训练，而不是说普通的技术人员去做训练。

第三，在模型层面，我们会基于最擅长的大语言模型，最擅长的多模态模型，还有擅长的医学模型，基于这些模型去提升能力，在很大层面上能控制风险，去规避掉AI的幻觉。

在目前严谨医疗AI应用的环境下，我们希望通过数据应用，以及专业的专家能力去尽可能规避AI幻觉，为客户提供更加专业而精准的服务，这既是风险也是挑战。

杨新辉：我觉得企业和个人同时的挑战，就是要做结构调整。企业所做的结构调整，要把人才结构向AI去趋向，选择用AI，掌握AI。对个人来讲，个人的知识结构也要往AI上去靠，就是我们讲的AIFirst，不能说硅基和碳基再去竞争了，现在看起来确实竞争不过，所以只能选择拥抱AI的方向，去做AI不做的事，企业也是这样的，拥抱AI。

闻化：从我们的企业和行业来说，我认为最大的风险可能是算力设备硬件技术的迭代周期会超过整个目前的硬件设备折旧周期，我们做整个设备的运营和管理，从过往的PC和传统服务器来说，它是一个完整的生命周期，不管是折旧周期还是管理周期，是非常完善的。AI这几年才兴起，现在做算力业务还没有完全跑完这个周期，这个对未来可能最大的一个影响就是设备减值，加上整个行业的价格竞争，会带来比较大的压力，对利润表现可能会有比较大的影响。

朱君：非常感谢五位嘉宾给我们带来精彩的分享，一起合影留念。

通过几位嘉宾的分享，让我们对于行业生态现在的发展，在AI时代的浪潮之下，对于行业的理解有一种拨开云雾的通透感。